专业文献综述-遥感信息与作物生长模型的耦合应用研究进展

1、南京愚羞士孝专业文献综述题目：遥感信息与作物生长模型的耦合应用研究进展姓名：学院：专业：班级：学号：指导教师：职称：教授2012年5月28日南京农业大学教务处制遥感信息与作物生长模型的耦合应用研究进展作者:指导教师:摘要：遥感信息与作物生长模型的耦合应用可以解决作物长势监测和产量预测等一系列农业问题，越来越受到相关研究人员的关注。本文首先介绍了农业遥感技术和作物模型的发展状况，并在分析遥感数据和作物模型在农业应用中各自优缺点的基础上，阐明二者结合的必要性，综述了遥感信息与作物生长模型的耦合应用的2种方式一强迫法和同化法；其次介绍了遥感数据与作物模型结合的应用领域和目前国内外的应用状况，并分析了

2、其在农业生产各领域的应用潜力；最后提出了二者耦合存在的问题以及未来研究的展望。关键词：遥感；作物生长模型；耦合应用；研究进展ResearchprogressonapplicationofremotesensinginformationcoupledwiththecropmodelAuthor:Instructor:Abstract:Remotesensinginformationandcropgrowthmodelcansolvethecouplingapplicationofcropgrowthmonitoringandyieldforecastingandaseriesofproblems

3、ofagriculture,moreandmoreresearchers'attention.Thispaperfirstintroducestheagriculturalremotesensingtechnologyandcropmodeldevelopment,andintheanalysisofremotesensingdataandcropmodelinagriculturalapplicationadvantagesanddisadvantagesonthebasisofthecombinationofthetwo,clarifythenecessity,reviewsthe

4、remotesensingdataandcropgrowthmodelofcoupledapplicationin2ways-forcedandassimilationmethod;secondlythepaperintroducedtheremotesensingdataandcropmodelcombinedwiththeapplicationdomainandapplicationstatusathomeandabroad,andanalysesitsapplicationinagriculturalproductionpotential;finallyproposedthetwocou

5、plingproblemsandfutureresearchprospects.Keywords:Remotesensing;Cropmodels;Coupledapplications;ResearchProgress1遥感技术与作物模型的发展遥感技术是20世纪60年代以来，在现代物理学（包括光学技术、红外技术、微波雷达技术、激光技术和全息技术等）、空间科学、电子计算机技术、数学方法和地球科学理论的基础上发展起来的一门新兴的、综合性的边缘学科，是一门先进的、实用的探测技术1。卫星遥感技术具有快速、宏观、准确、客观、及时、动态等特点，在农作物种植面积监测，作物叶面积指数、生物量、光合有效辐射估

6、测，作物物候监测，产量估测，干旱监测，作物营养诊断等领域广泛应用2-30但其应用也有一定的局限性，一方面遥感监测常常受卫星遥感数据空间分辨率、时间分辨率等因素的影响，且遥感信息大多反映的是瞬间物理状况，所以农业遥感应用在时间维上的拓展受到很大限制；另一方面因缺乏相关农学机理和农学知识的支持，农业遥感应用精度有待提高4-50作物生长模型是对作物生长、发育、产量形成过程中的一系列生理生化过程进行数学描述，是一种面向过程、机理性的动态模型，能动态地定量描述作物生长、发育、籽粒形成及产量的计算机模拟程序6。自deWit于1965年提出作物生长模拟理论以来7作物生长模型研究取得了巨大进展。如荷兰Wage

7、ningen农业大学开发的SUCROS模型系列网，美国农业科技转换决策支持系统DSSAT（包含禾本科作物CERES等）9等。在我国也建立了小麦、水稻、玉米、棉花等作物生长模型100但当作物模拟从单点研究发展到区域应用时，由于随空间尺度的增大导致模型中一些宏观资料的获取和参数的区域化方面出现很多困难。例如地表和作物状况的非均匀性导致区域性模拟时初始条件（出苗期、初始生物量、初始土壤水分状况等）难以确定，这影响了作物生长模型的区域应用110因此，在遥感农业应用中集成作物生长模型，通过利用作物生长模型的机理性，以增加遥感农业监测、预报的普适性，提高遥感产品精度。利用遥感数据同步大面积获取作物信息的能

8、力，解决作物生长模型从单点向区域扩展的数据难获取问题，扩大作物生长模型应用范围，所以二者的结合是必然的1202遥感信息和作物生长模型集成方法目前国内外关于遥感数据与作物生长模型结合方法的研究归纳起来主要有“强迫法”和“同化法”两种。2.1强迫法强迫法是指直接利用遥感数据反演作物生长模型初始参数的值或利用遥感反演值直接更新作物生长模型的某个输出参数值,以提高作物生长模型的模拟精度，也称为驱动法（图1）。这种替代是基于遥感“观测值”比相应的从模型出来的模拟值更加准确的假设。作物模型通常以固定的时间步长运行（如1d）,但遥感信息由于没有这么高的时间分辨率而无法满足模型的需要。通常的做法是用仅有的遥感

9、“观测值”做一模拟曲线，然后用该模拟曲线和遥感数据按照模型要求的时间步长进行内插获得。图1驱动法早期的遥感数据与作物生长模型的结合方法研究中，强迫法使用得较多，Mass对玉米进行地面辐射测量，利用获得的光学遥感数据反演叶面积指数（LAI）,利用近红外和热红外数据反演地表温度以确定水分胁迫系数，并将这些遥感反演值作为作物生长模型的输入，结果表明：结合遥感信息后，作物生长模型对玉米地上生物量的模拟结果得到有效改善130宇振荣等14利用遥感信息估算作物冠层温度，通过冠气温差计算作物水分胁迫系数，并引入作物生长模型，实现动态和连续的作物监测及产量预报的研究；辛景峰15利用NOAA/AVHRR获得NDV

10、I和地表温度数据，结合地面实测资料以及GPS定位数据，在GIS环境下，建立了遥感生育期模式，在PS-123作物生长模型基础上，发展并建立了PS-X遥感一作物生长复合模型，并利用该模型进行了区域产量估测；林忠辉16以SUCROS模型和改进的冠层蒸腾和土壤蒸发的双源模型为基础，建立了水分胁迫下的夏玉米生长动态的模拟，并用AVHRR数据反演夏玉米的LAI,利用常规气象要素通过空间插值获取空间气象要素场，在GIS背景数据库的支持下，实现区域尺度的叶面积指数的模拟，并以河北平原为例进行了研究。2.2同化法同化法是直接用遥感数据（如光谱反射率、植被指数或雷达），通过辐射传输模型与作物模型的耦合，直接比较遥

11、感观测的光谱反射率与耦合后的模型模拟的反射率，来调整那些控制作物生长发育和产量形成的关键参数或初始值，从而确定它们的值（图2）。如：Maas17-18利用卫星数据反演高粱（1988b）和冬小麦（1991）的LAI,以此调整作物生长模型GRAMI的相关参数和初始值，包括出苗时的LAI值等，使模型重新初始化和数化。Dente等19将由ENVISATASAR和MERIS数据提取得到的LAI同化进入CERES-Wheat来改善小麦产量预报的精度，同化结果显示由MERIS和ASAR提取的LAI数据在被同化进入作物生长模型后有效的改善了产量预报精度。Fang等则实现了区域尺度的同化算法，在这项研究中，MO

12、DISLAI被同化进入作物生长模型，同化算法的输出包括产量、LAI等数据20。而在我国采用的大多是驱动法，王人潮等21研究了水稻LAI及叶片含氮量与光谱变量的相关性，并将光谱参数引入水稻生长模拟模型。目前国内也已经对同化方法引起重视，杨鹏等22将作物生长模型EPIC扩展到区域尺度，将EPIC与从TM影像提取得到的多时相LAI数据结合来同化区域单产，并将其应用于石家庄地区冬小麦的单产估算。结果表明：通过数据同化校正部分关键参数后的空间作物模型单产模拟精度得到有效提高，但要达到业务运行精度仍有待进一步因此，上述2种方法各有优缺点，驱动法比较简单，但前提是反演得出的状态变量要准确，而且观测次数越多越

13、好，有利于建立合理的状态变量统计模型，从而确保其内插值准确。而同化法由于通过直接比较反射率对作物模型进行初始化和参数化，因此没有作物参数反演环节带来的误差，从理论上讲是最好的。但是，由于辐射传输模型对土壤和作物的特性很敏感，如果缺乏这方面的准确信息，该方法的准确性也难以保证。3遥感信息与作物模型的耦合的应用进展遥感数据和作物模型集成起源于20世纪的80年代。从1974年到1977年美国利用遥感进行了“大面积农作物估产实验(LACIE)”项目，遥感在农业的应用上取得了重要进展12。遥感数据和作物模型集成主要用于作物参数估测和粮食估产。如在作物生长发育进程的估测方面：马玉平等基于WSPFRS模型(

14、引入遥感信息后的WO-FOST模型)对华北冬麦区的冬小麦生长发育进行监测，并与直接用WOFOST模型模拟出的结果进行对比分析，认为前者更加准确的模拟了华北地区冬小麦生长季内的生物量的变化23。闫岩等基于遥感数据与CERES-Wheat模型同化监测冬小麦长势，结果表明，能够较好的模拟冬小麦主要生育期的生物量变化240Singh等分别使用了CERES-Wheat和Cropsyst两种作物生长模型估算了小麦的地上生物量，使用地面观测数据对模型模拟结果进行了验证，认为Cropsyst比CERES-Wheat模型在小麦生物量估算上更具有优势25。Confalonieri等分别对WARM,Cropsyst

15、和WO-FOST三种模型对水稻的监测进行评估，结果表明三种模型的模拟结果都与实测数据保持较好的一致性260在作物估产方面：美国于1986年建立了全球级的农情监测运行系统，该系统集成遥感数据和作物模型监测农作物长势、粮食产量，不仅实现美国本土的作物监测和估产，而且还对加拿大、墨西哥、阿根廷、巴西、前苏联、中国、印度、中东地区、澳大利亚等全球粮食主产国进行监测。该系统的成功运行，使美国在全球粮食贸易中不仅占据了主导地位，而且每年都能获取数亿美元的经济效益270而在国内也有很多科研学者在从事遥感数据与作物模型结合进行作物估产的研究。如勒华安，王锦地等将时间序列中分辨率成像光谱仪(moderatere

16、solutionimagingspectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合，以叶面积指数(LAI)作为耦合作物生长模型(cropenvironmentresourcesynthesis-Maize,CERES-Maize)和植被冠层反射率模型(scatteringbyarbitrarilyinclinedleaves,SAIL)的关键参数，提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案280莫兴国，林忠辉等通过建立基于遥感数据的冬小麦动力生长模拟模型，用1km分辨率NOAA-AVHRRNDVI数据对河北省平原地区的

17、冬小麦生长状况和产量进行了研究，给出了冬小麦产量、蒸散量和水分利用效率的空间分布2904遥感数据和作物模型结合的潜力及应用前景集成遥感数据和作物模型，即增加了农业遥感监测的机理性，又将作物生长模型的应用扩展到区域范围，有着广阔的应用前景。4.1 农作物产量预测及时、准确、大范围地对作物长势进行监测和产量预测对于指导农业生产、保障粮食安全、保持农业可持续发展，国际粮食贸易、粮食期货等具有重要意义.对国家或地区宏观决策具有重要的意义，所以作物产量预测仍将是遥感数据和作物模型集成应用最活跃的领域。4.2 作物品质预测当前中国对优质农作物有巨大需求，部分优质农作物产品供不应求或依赖进口。通过监测作物生

18、长过程而进行调优栽培，优化作物分类收获、分级收购加工体制，提高作物品质监控水平是保证作物品质的重要组成部分。农作物品质遥感预报根据作物碳氮运转原理和品质形成的影响因素，在分析农作物光谱特征和生长环境信息的基础上，监测作物养分和长势，集成作物生长环境建立作物品质预报模型，从而在作物收获前预测作物品质30。作物品质的遥感预报近年来刚刚起步，是农业遥感应用的新领域。当前作物品质预报的主要方法是利用品质指标与遥感光谱植被指数的统计关系并结合环境因子构建的品质预报模型，该方法具有简单易行的优点，但扩展到大面积区域性时，预报精度低，主要原因是小区内作物的土壤因子，降雨、日照、温度等气象因子基本一致，而对于

19、不同区域分布的作物，上述因子存在着空间变异，会影响到品质的均一性。因此，作物品质遥感预报模型从小区向区域扩展时还需要综合考虑土壤、气象等因子31。4.3 作物施肥管理决策随着精准农业的兴起，以高产、优质、环保为目的的按作物所需变量施肥的技术被广泛吸收和采用。我们认为的精确施肥是将不同空间单元的产量数据与其他多层数据（土壤理化性质、病虫草害、气候等）的叠合分析为依据，以作物生长模型、作物营养专家系统为支持，以高产、优质、环保为目的的变量处方施肥理论和技术32。相比之下，传统的变量施肥方法，因为基于田间土壤取样、室内分析调查、方法复杂、费时费事。土壤数据采集仪器价格昂贵，性能较差，大面积高密度土壤

20、取样化验成本太高，很难推广应用；而遥感技术由于空间分辨率和光谱分辨率问题，不能满足实际应用的需要。所以，随着高分辨率遥感卫星（13m）、飞机航空遥感、田间高架遥感服务的提供、加强遥感光谱信息与土壤性质、土壤养分关系的研究及土壤养分在实时检测技术的研究将是今后研究的重点330虽然遥感信息与作物生长模式结合的研究取得一些成果，由于开展该类研究的时间较短、研究目的各异以及使用的遥感数据和所用的模式的机理性程度不同等原因，所以目前离技术成熟、大面积推广应用还有很多问题需要解决。4.4 精准灌溉决策,评价灌溉效果,随着水资源短缺（WUE）,特别是灌34。遥感数据灌溉的基本目标是通过人为地补充水分提高作物

21、产量。因此的传统方法主要是以作物产量的高低评价灌溉的有效性。但是问题的日益突出和灌溉成本的逐渐增加，以提高水分利用效率溉水利用效率为目标的灌溉管理方法已成为现代灌溉技术的核心和作物模型相结合进行变量灌溉决策，即集成了作物模型的机理性，充分考虑气象、土壤、肥水耦合因素等引起的作物对水分需要的差异，并且能够综合考虑作物产量、品质、节约用水等因素，提高水分利用率，又能够利用遥感数据提供区域内参数的动态变化，实现了大面积作物的精准灌溉。所以，结合遥感数据和作物模型进行变量灌溉决策领域的研究具有非常大的潜力。5耦合存在的问题目前，遥感数据和作物模型结合的技术和方法尚存在一些问题，主要表现在以下几个方面。

22、5.1 云遮蔽。对于光谱遥感经常性的云遮蔽是1个巨大的缺陷。相比来说微波遥感受云的限制少一点，微波具有能顺利穿透大气层的特性，而且还能穿透云雾和小雨，对地面的植被和土壤也能穿透一定厚度进行探测，探测时又不用借助于阳光的反射，只利用被探测目标发射或反射的微波350微波遥感与可见光遥感相比而具有两项对农业应用最大的优点，即它的全天候与全天时的探测能力。所以使用微波遥感与作物模型结合会收到更好的效果。然而从90年代初期开始ERS-1,ERS-2提供地球的雷达图像，相比光谱遥感,农业上使用雷达遥感仍然较少。另外，也可以发展高光谱遥感技术。高光谱遥感是相对于传统的低光谱分辨率遥感（通常指光谱分辨率在0.

23、1rn以上）而言，高光谱分辨率遥感（光谱分辨率在0.1rn以下）数据最主要的特点就是成像通道数量的增加和成像波段的变窄，从而使植被遥感的监测目标发生了很大的变化36,获取子像元（最终光谱单元信息）的能力得到提高，所以遥感数据也更为精确。5.2 地图单元点的相互作用。目前，绝大多数作物模型是土壤-作物-大气系统的一维垂直方向模型，即所谓田间尺度模型。虽然有借助GIS技术向区域尺度扩展的研究与应用实例，但多限于将非均质区域划分为若干均质单元，在均质单元上应用模型而不考虑单元间的相互作用、水平方向的水分养分物质流动过程，这种扩展仍是“伪三维”的370如何处理单元间的相互作用是今后研究中的重点难点。5

24、.3 尺度扩展和复杂性。模型的尺度包括空间尺度、时间尺度和复杂性。由于气候、土壤的空间变异性，作物品种多样性及其种内差异、栽培管理措施的多样性，一个作物模型通常有其适应性与针对性。当作物模型从站点尺度扩展到区域尺度和全球尺度时，应用作物模型的“拿来主义”通常是行不通的，需要结合具体条件进行验证、评价、改进，完成对模型的本地化以后，方能进行应用38-3905.4 误差。作物生长模型从单点研究发展到区域应用时，由于地表、近地表环境非均匀性问题，导致模型在一些宏观资料和参数的获取上出现偏差40,进而影响到模拟结果。另外，遥感得到的空间数据也存在着测量、数字化、内插等误差。随着遥感技术的发展和对作物过

25、程的深入了解，误差问题应该会在今后的研究中被克服。5.5 系统和结合的复杂性。尺度作物监测系统一般使用10-50km精度的格点数据，或代表点数据来把作物模式从点扩展到区域尺度上。然而,当地形复杂时并不一定合适，例如在山地区域的由小农田组成的农业生产区。除此以外，土壤、气候和管理措施的空间变化是更复杂的因素4106研究展望在未来的研究中，主要是在解决以上问题的基础上拓宽其可应用的范围。如模拟作物生长过程中作物与土壤的水分和养分交互，即在作物生长过程中模拟土壤水分的变化、模拟养分在土壤的残留(农业面源污染)实现区域作物土壤水分、区域土壤养分残留监测；通过遥感数据和农业病虫害模型的集成，建立区域性的

26、农业病虫害监测预报及防治的遥感辅助决策系统，并在病虫害灾后进行损失评估等。7总结本文主要综述了遥感技术与作生长物模型的发展历程，二者耦合的应用现状，研究进展以及今后的研究方向。二者的结合即增加了农业遥感监测的机理性，又将作物模型的应用扩展到区域范围，可以实现优势互补，提升相互间的应用潜力，是农业科学在方法论上的一个新突破。因此，遥感数据与作物生长模型耦合应用有着重要的研究价值和广阔的应用前景。参考文献1胡著智，王慧麟，陈钦峦.遥感技术与地学应用M.南京：南京大学出版社，1999,8,1-52MoranMS,InoueY,BarnesEM.Opportunitiesandlimitationsf

27、orimage-basedremotesensinginprecisioncropmanagementJ.RemoteSensingofEnvironment,1997,61(3):319W463邢素丽，张广录.我国农业遥感的应用现状与展望J.农业工程学报，2003,19(6):174-1784PlummerSE.PerspectivesoncombiningecologicalprocessmodelsandremotelysenseddataJ.EcologicalModelling,2000,129(2-3):169-1865徐希孺.遥感物理M.北京：北京大学出版社，20056 Hoog

28、enboomG.ContributionofagrometeorologytothesimulationofcropproductionanditsapplicationsJ.iculturalandForestMeteorology,2000,103(12):137-1577 deWitCT.PhotosynthesisofleafcanopiesR.geningen,TheNetherlands,19658 BoumanBAM,nKeulenH,vanLaarHH,etal.The'schoolofdeWit'cropgrowthsimulationmodels:pedig

29、reeandhistoricaloverviewJ.AgriculturalSystems,1996,52:171-1989 JonesJW,HoogenboomG,PorterCH,etal.TheDSSATcroppingsystemmodelJ.EuropeanJournalofAgronomy,2003,18(3-4):235-26510林忠辉，莫兴国，项月琴.作物模型研究综述J.作物学报，2003,29(5):750-75811邢雅娟，东升，鹏新.信息与作物模型耦合应用研究进展J.地球科学进展，2009,4(4):44545112李存军，王纪华，王娴，刘峰，黎锐.遥感数据和作物模型集

30、成方法与应用前景J.业工程学报，2008,11(24):295-30113MaasSJ,Useofremotely-sensedinformationinagriculturalcropgrowthmodelsJ.EcologicalModeling,1998,41:274-26814YuZhenrong,riessenPM.CropgrowthsimulationandyieldpredictionbasedontheestimationofcropcanopytemperaturewithremotesensingJ.ournalofChinaAgriculturalUniversity，

31、2003,8(supp.l):71-7515辛景峰.基于3s技术与生长模型的作物长势监测与估产方法研究D.北京：中国农业大学，200116 LinZhonghu.SpatialSimulationofSummerMaizeYieldandWaterUseEfficinecyUsingGISandRSBasedCropGrowthModelD.Beijing:InstituteofGeographicSciencesandNaturalResourcesResearch.ChineseAcademyofSciences,2003林忠辉，河北平原夏玉米生长与水分利用效率的动态模拟D.北京：中国科学

32、院地理科学与资源研究所，200317MaasSJ.UsingsatellitedatatoimprovemodelestimatesofcropyieldJ.AgronomyJournal1988,80(3),655-66218MaasSJ.Useofremotely-sensedinformationinplantgrowthsimulationmodelsJ.AdvancesinAgronomy,1991,1(1),17-2620FangH,LiangS.AhybridinversionmethodformappingleafareaindexfromMODISdata:experimen

33、tsandapplicationtobroadleafandneedleleafcanopiesJ.RemotesensingofEnvironment,2005,94(6),405-42419DenteL,SatalinoG.,MattiaF,RinaldiM.AssimilationofleafareaindexderivedfromASARandMERISdataintoCERES-WheatmodeltomapwheatyieldJ.RemoteSensingEnvironment,2008,112(4),1395-140721王人潮，黄敬峰.水稻遥感估产M.北京：中国农业出版社22杨

34、鹏，吴文斌，周清波，陈仲新，查燕，唐华俊，柴崎亮介.基于作物模型与叶面积指数遥感影像同化的区域单产估测研究，农业工程学报，23,130-13623MaYuping,angShili,hangLietal(马玉平，王石立，张黎，等).MeteorologicaSinica(气象学报)，2005,(2):20424闫岩，柳钦火，刘强，李静，陈良富.基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究，遥感学报，2006,10(1),804-81125SinghAK,TripathyR,ChopraUK.AgriculturalWaterManagement，2008,95(7):77626ConfalonieriR,AcutisM,BellocchicG,etal.EcologicaoMod